无人机任务规划技术研究

发布时间：2017-04-29 06:01

  本文关键词：无人机任务规划技术研究，由笔耕文化传播整理发布。

【摘要】：如今,无人机的应用领域已经从军事行动扩展到了突发事件应急响应、抗震救灾等,其便捷性、灵活性为我国国防事业以及社会生活带来了很大便利,因此对于无人机相关领域的研究已成为各国学者关注、探索的热点问题之一。随着学者们对无人机相关领域研究的不断深入,其中所隐含的诸多问题也逐渐显露出来。本文主要针对无人机任务规划技术展开研究,对其中存在的一些问题给出自己的分析并提出了解决方案。在无人机任务规划问题中,针对很多决策只做到了单方面最优而无法考虑其他因素这一情况,本文提出了基于动作预估机制的无人机任务规划技术,综合考虑无人机各项飞行指标,每架无人机在进行动作决策前,都会对无人机执行该动作所获得的收益和无人机自身所付出的代价两种指标进行评价,从而做出一个平衡最优的解决方案,既兼顾了无人机所获得的收益使之尽量大,同时兼顾了无人机自身所付出的代价使之尽量小。在无人机联合作战问题中,作战单元多种多样,战场环境复杂多变,对此本文在Q学习算法的基础上,提出了带有合作表的无人机联合作战技术,从而确定了参与联合作战的友方无人机;同时基于约束条件综合考量,为联合方无人机分配攻击对象,从而确定敌方无人机。面对无人机侦察任务的求解问题,标准蚁群优化算法容易陷入局部最优,而且求解效率不高,因此本文提出了基于变挥发程度的蚁群优化算法解决上述问题。而遇到侦察任务突变的情况,本文主张采用启发式Q学习算法应对该变化,重新规划无人机执行任务时的飞行路线。最后,通过仿真平台做的对应仿真实验表明,上述理论有效解决了无人机任务规划问题中出现的片面、低效、局部最优等问题,达到了良好的实验效果。
【关键词】：强化学习 蚁群算法 任务分配 无人机
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：V279;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 符号对照照表表11-12
• 缩略语对照表12-15
• 第一章 绪论15-19
• 1.1 研究背景15
• 1.2 研究现状15-17
• 1.2.1 关于无人机航迹规划问题的研究现状15-16
• 1.2.2 关于无人机联合作战多任务分配问题的研究现状16-17
• 1.3 本文主要工作及组织结构17-19
• 第二章 无人机任务规划技术背景介绍19-25
• 2.1 蚁群优化算法介绍19-22
• 2.1.1 蚁群优化算法原理19-21
• 2.1.2 蚁群算法在无人机探测问题中的应用21-22
• 2.2 Q学习及其在无人机探测问题中的应用22-23
• 2.3 马尔可夫决策过程与纳什均衡理论在无人机探测问题中的应用23-24
• 2.4 小结24-25
• 第三章 基于动作预估机制的无人机任务规划技术25-39
• 3.1 无人机任务规划问题25-28
• 3.1.1 无人机任务规划模型25-26
• 3.1.2 无人机任务规划问题的约束条件26-28
• 3.2 基于动作预估机制的无人机任务规划问题28-31
• 3.2.1 无人机任务规划问题中的动作预估机制28-30
• 3.2.2 算法描述30-31
• 3.3 评估机制在无人机任务规划问题中的应用31-38
• 3.3.1 实验设计31-33
• 3.3.2 实验结果与分析33-38
• 3.4 小结38-39
• 第四章 强化学习在无人机联合作战中的应用39-59
• 4.1 强化学习理论与纳什均衡39-41
• 4.1.1 强化学习理论在无人机联合作战中的应用39-40
• 4.1.2 纳什均衡理论在无人机联合作战中的应用40-41
• 4.2 基于合作表的无人机联合作战研究41-49
• 4.2.1 无人机联合作战模型41-42
• 4.2.2 基于合作表的无人机联合作战42-46
• 4.2.3 算法描述46-49
• 4.3 仿真实验及分析49-57
• 4.3.1 实验设计49-52
• 4.3.2 实验结果与分析52-57
• 4.4 小结57-59
• 第五章 无人机侦查任务问题的研究与应用59-75
• 5.1 无人机侦查任务研究内容59-60
• 5.1.1 无人机侦查任务模型59
• 5.1.2 无人机侦查任务的约束条件59-60
• 5.2 无人机侦查任务问题的求解60-68
• 5.2.1 基于CV-ACO算法的无人机侦查任务规划问题60-64
• 5.2.2 基于CV-ACO算法的无人机侦查任务规划实验64-68
• 5.3 侦查任务突变的解决方案68-72
• 5.3.1 强化学习方法解决侦查任务突变问题68-70
• 5.3.2 实验验证70-72
• 5.4 小结72-75
• 第六章 结束语75-77
• 6.1 总结75-76
• 6.2 展望76-77
• 参考文献77-81
• 致谢81-83
• 作者简介83-84
• 1.基本情况83
• 2.教育背景83
• 3.在学期间的研究成果83-84

【二级参考文献】

中国期刊全文数据库 前5条

1 段华;赵东标;;动态环境下基于势场原理的避障方法[J];华中科技大学学报(自然科学版);2006年09期

2 王会丽,傅卫平,方宗德,张宏远;基于改进的势场函数的移动机器人路径规划[J];机床与液压;2002年06期

3 李晓丽,谢敬,傅卫平,杨静;一种改进势场法在多移动机器人避碰规划中的应用[J];计算机工程与应用;2005年17期

4 石为人;黄兴华;周伟;;基于改进人工势场法的移动机器人路径规划[J];计算机应用;2010年08期

5 任德华,卢桂章;对队形控制的思考[J];控制与决策;2005年06期

  本文关键词：无人机任务规划技术研究，由笔耕文化传播整理发布。

，

本文编号：334286